Waarom één slimme AI je organisatie niet ontlast (en wat wél werkt)

Het is donderdagmiddag, half drie. Een sociaal werker zit met een deelnemer aan tafel, precies waar zij voor in dit vak is gestapt. Tegelijk wacht er een verantwoording op de subsidiegever, staat er een incidentmelding open, ligt er een mail van de gemeente die gisteren al beantwoord had moeten zijn en moeten er nog drie nieuwe aanmeldingen de systemen in. Het gesprek dat ertoe doet, verliest het van het scherm dat ingevuld wil worden. Iedere bestuurder in welzijnsland kent dit beeld, en de meesten van ons hebben het zelf jaren zo ervaren.

De voor de hand liggende oplossing heet tegenwoordig AI. Eén slimme assistent die alles doet: je beleidsstuk schrijven, je mail beantwoorden, je vergadering samenvatten, je rapportage vullen. Ik heb dat geprobeerd. Het werkt twee dagen en valt dan om. Op een rustige dag tikt het mee. Op een drukke dag, precies op het moment dat je het nodig hebt, schrijft het de brief aan een kwetsbare deelnemer in de toon van een reclamemail.

Ik bouw die systemen zelf. Niet als demo voor een congres, maar voor de praktijk. In de tien jaar dat ik digitale platformen tegen eenzaamheid ontwikkelde, leerde ik dat de modelkeuze, of je nu ChatGPT, Claude of iets anders pakt, verreweg het minst interessante onderdeel is. Iris, de digitale collega die op WeAreImpact.nl mijn agenda plant, is geen slim chatbotje. En toen ik nog directeur van een welzijnsorganisatie was, bouwden we een eigen AI-assistent voor onze interne rapportages. Niet om mensen te vervangen, maar om de avonduren terug te geven aan de professionals die ze kwijt waren aan verantwoording. Het verschil tussen een aardige demo en iets dat op donderdagmiddag overeind blijft, zit niet in het model. Het zit in vier keuzes, en in een hoop dingen die eerst stuk moesten.

Waarom de alleskunner het altijd verliest

Een AI-gesprek heeft een eindig geheugen, net als een collega die je 's ochtends research laat doen, 's middags een beleidsnota laat schrijven en aan het eind van de dag een gevoelige mail aan een familie laat opstellen. Op een gegeven moment lopen die taken door elkaar. De toon van het ene lekt in het andere. De research vervuilt de nota, de zakelijkheid van een aanvraag belandt in een brief die juist warm had moeten zijn.

Wat bij mij werkt is het tegenovergestelde van de alleskunner. Een set kleine helpers die elk één ding doen en elkaar nooit in de weg zitten. Eén voor research. Eén voor de eerste opzet van een tekst. Eén die alleen meekijkt op kwaliteit. Geen van hen kent het werk van de ander, ze leveren simpelweg hun stukje af. Daardoor kan de toon van een tweet nooit in een brief aan een mantelzorger belanden. Niet omdat ik dat heb verboden, maar omdat die twee elkaar nooit ontmoeten.

Een systeem dat jouw organisatie leert kennen

Een AI zonder serieus geheugen is een vermakelijke chatbot. Met geheugen wordt het langzaam een collega. De belangrijkste regel die ik daarbij hanteer is dat correcties niet verloren mogen gaan. Elke keer dat ik iets verbeter, en daar de reden bij zet, zo schrijven wij niet over onze deelnemers en dit is waarom, landt die correctie als vaste regel in het systeem. Niet als losse opmerking die volgende week weer vergeten is, maar als iets dat voortaan zelf wordt toegepast.

Zo wordt het elke week een beetje meer van jouw organisatie en een beetje minder een algemene tekstgenerator. Je hoeft daar geen regel code voor te schrijven. Je hoeft alleen consequent te zijn in wat je terugkoppelt.

De grens zit in het systeem, niet in een belofte

Hier maakte ik in het begin de meeste fouten. Ik schreef regels op in de trant van: deze assistent verstuurt nooit zelf een mail naar een deelnemer. Wat denk je dat er gebeurde. Een enkele keer stuurde een assistent toch zo'n mail. Niet vaak, maar in onze sector is één keer al onvergeeflijk.

Een belofte in een prompt is een hoop. Een grens in het systeem is een feit. Bij ons mag een assistent een mail vóórbereiden, maar verzenden kan hij domweg niet, want die knop bestaat niet in zijn gereedschapskist. Niet verboden, maar fysiek onmogelijk. Alles wat een deelnemer raakt, gaat eerst langs een mens. In een sector die met de meest kwetsbare gegevens van mensen werkt, is dat geen extra zekerheid achteraf, dat is de kern.

Dit klinkt restrictief. Het is juist bevrijdend. Ik kan een assistent veel vrijheid geven binnen die grenzen, precies omdat de grenzen onverbiddelijk zijn. Mijn merk, en belangrijker, de relatie met een kwetsbare deelnemer, kan niet stuk door een AI die op hol slaat. Mijn hand blijft op het stuur, en dat is precies wat warme zorg door slimme tech voor mij betekent.

Laat de controle niet door de AI zelf doen

De laatste keuze die het verschil maakte: de kwaliteitscontrole niet aan een AI overlaten. Een AI-controleur klopt zichzelf op de borst dat hij alles heeft nagekeken en mist toch om de zoveel keer iets. Een simpele, vaste controle die altijd hetzelfde uitkomt, mist niets. Telt de verantwoording de juiste bedragen op? Staan er geen persoonsgegevens in een tekst die naar buiten gaat? Geen akkoord, dan ook niets de deur uit. Saai, en saai is precies wat je wil zodra het over privacy en verantwoording gaat.

Waarom het eerst misging

Dit klinkt alsof ik dit netjes op papier bedacht en daarna bouwde. Zo gaat het nooit. Een assistent zette ooit een getal in een tekst dat nergens in de bron stond, iets dat het systeem erbij had verzonnen. De fout was niet dat hij de bron niet had gelezen. De fout was dat hij feiten mocht opschrijven zonder bron erbij. Pas toen elk cijfer gekoppeld moest zijn aan een vindplaats, stopte dat.

Voeten in de klei betekent voor mij precies dit: je leert dit niet uit een adviesrapport en niet vanuit een ivoren toren. Je leert het doordat het misgaat, je denkt dit nooit meer, en je het daarna in het systeem dichttimmert. Elke week werd het zo een beetje weerbaarder, niet doordat ik beter onthield, maar doordat ik elke fout vastlegde op een plek waar geen mens hem onder druk kan overslaan.

De enige regel die telt

Als je dit stuk maar om één zin onthoudt, dan deze: zet je harde grenzen in het systeem, niet in je hoofd en niet in een belofte. Wat in een afspraak staat, wordt onder druk overgeslagen, juist op donderdagmiddag om half drie. Wat in het systeem zit ingebouwd, nooit. De rest is variatie op die ene regel.

Hoe je hier zelf mee begint

Begin bij één taak, de meest tijdrovende, niet de leukste. Voor de meeste welzijnsorganisaties is dat de verantwoording en de rapportage, niet de communicatie. Eén helper, één output, één controle. Werkt dat een maand zonder dat je het constant moet bijsturen, dan voeg je de volgende toe.

Leg je harde grenzen vast vóórdat je begint, niet erna. Wat mag dit systeem nooit doen. Wat gaat altijd langs een mens. Hoe gaan we om met persoonsgegevens. Een AI zonder vooraf vastgelegde grenzen bedenkt die grenzen zelf, en dat wil je in deze sector echt niet. Begin klein, houd je hand op het stuur, en laat het systeem alleen het werk doen dat geen denkwerk meer verdient dan het kost.

Wat het uiteindelijk oplevert

Het resultaat is niet een organisatie zonder mensen. Het is het omgekeerde. De rapportage staat klaar voordat de week begint. De gevoelige brief wordt voorgekauwd in plaats van vanuit een lege inbox geschreven. De professional houdt de avond over die ze kwijt was aan verantwoording, en het gesprek aan tafel wint het weer van het scherm. Voor mij betekent het concreet dat ik in zestien uur de output lever waar een ander tweeendertig uur voor nodig heeft. Niet omdat ik harder werk, maar omdat het saaie, herhalende werk eindelijk daar zit waar het hoort, en de menselijke maat daar waar die hoort.

Wil je de vastgeroeste patronen in jouw organisatie eens tegen het licht houden, zonder dat de menselijke maat sneuvelt? Ik werk bewust met een handvol opdrachtgevers tegelijk, als strategisch partner, niet als interim-manager die op de winkel past. Per 1 juni heb ik ruimte voor één nieuwe opdracht. Een kop koffie om te kijken waar AI bij jullie de regeldruk echt kan verlagen, plan je via Iris op www.WeAreImpact.nl.